BacLLM 通过语言引导的域适应提升抗微生物耐药性分析中的蛋白质序列表征
Language-guided domain adaptation improves protein sequence rep-resentations for antimicrobial resistance analysis
作者开发了 BacLLM,一个将注释来源的功能知识注入蛋白质语言模型表征、用于 WHO 优先病原菌抗微生物耐药性分析的框架。它通过序列增强、UniProt 注释语义丰富和跨模态对比学习,把 LLM 编码的注释先验迁移到序列编码器。摘要报告,BacLLM 在耐药基因识别和机制预测上相比基线提供更有信息量的表征,能在单残基分辨率捕获耐药相关突变信号,并改善噬菌体疗法的菌株级宿主匹配。
预印本 · biorxiv · 10.64898/2026.11.04.764426
本站摘要基于收录版本 v1(2026-11-06),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v2
抗菌素耐药性(AMR),尤其是细菌病原体的抗生素耐药性,使传染病的管理变得复杂。由于细菌耐药性通常由蛋白质功能介导,包括抗生素失活和外排,蛋白质序列分析为数字化 AMR 监测和治疗干预提供了分子基础。我们开发了 BacLLM,这是一个语言引导的蛋白质表示框架,它将源自注释的功能知识整合到蛋白质语言模型表示中,用于 WHO 优先细菌病原体的 AMR 分析。通过序列增强、UniProt 注释的语义富集以及跨模态对比学习,BacLLM 将 LLM 编码的注释先验转移到序列编码器中。与基线相比,BacLLM 为耐药基因鉴定和机制预测提供了信息量更大的表示,在单残基分辨率上捕捉了与耐药性相关的突变信号,并保留了基于表型的临床分组所未反映的分类学关系。此外,BacLLM 在以 TolC 为中心的蛋白质关联网络中恢复了与耐药性相关的功能组织,优先识别出与 TolC 序列同一性低但预测结构相似的蛋白质。从 AMR 表征扩展到治疗优先级排序,BacLLM 还改进了噬菌体治疗候选物优先级排序的菌株水平噬菌体宿主匹配。这些发现共同确立了 BacLLM 作为一个支持 AMR 监测、功能表征和治疗候选物优先级排序的蛋白质表示框架。
来源:bioRxiv · biorxiv.org